Return to search

Analyse de la stabilité des réseaux d'oscillateurs non linéaires, applications aux populations neuronales / Stability analysis of non-linear network scillator, neuronal population application

Il est bien connu que la synchronisation de l’activité oscillatoire dans les réseaux de neurones joue un rôle important dans le fonctionnement du cerveau et pour le traitement des informations données pas les neurones. Cette thèse porte sur l’analyse de l’activité de synchronisation en utilisant des outils et des méthodes issues de la théorie du contrôle et de la théorie de la stabilité. En particulier, deux modèles ont été étudiés pour décrire l’activité oscillatoire des réseaux de neurones : le modèle de Kuramoto et le modèle de Hindmarsh-Rose. Une partie de ce manuscript est consacrée à l’étude du modèle de Kuramoto, qui est un des systèmes les plus simples utilisé pour modéliser un réseau de neurones, avec une connexion complète (all-to-all). Il s’agit d’un modèle classique qui est utilisé comme une version simplifiée d’un réseau de neurones. Nous construisons un système linéaire qui conserve les informations sur les fréquences naturelles et sur les gains d’interconnexion du modèle original de Kuramoto. Les propriétés de stabilité de ce modèle sont ensuite analysées et nous montrons que les solutions de ce nouveau système linéaire convergent vers un cycle limite périodique et stable. Finalement, nous montrons que contraint au cycle limite, les dynamiques du système linéaire coïncident avec le modèle de Kuramoto. Dans une seconde partie, nous avons considéré un modèle de réseau de neurones plus proche de la réalité d’un point de vue biologique, mais qui est plus complexe que le modèle de Kuramoto. Plus précisément, nous avons utilisé le modèle de Hindmarsh-Rose pour décrire la dynamique de chaque neurone que nous avons interconnecté par un couplage diffusif (c’est à dire linéaire). A partir des propriétés de semi-passivité du modèle de Hindmarsh- Rose, nous avons analysé les propriétés de stabilité d’un réseau hétérogène de Rindmarsh-Rose. Nous avons également montré que ce réseau est pratiquement synchronisé pour une valeur suffisamment grande du gain d’interconnexion. D’autre part, nous avons caractérisé le comportement limite des neurones synchronisés et avons établi une approximation de ce comportement par une moyenne des dynamiques de tous les neurones. / It is widely recognized that rhythmic oscillatory activity in networks of neurons plays an important role in the brain functionning and a key role in processing neural information. This thesis is devoted to the analysis of this synchronized activity by using tools and methods issued from automatic control and stability theory. Two models are used to describe oscillatory activity of neural networks : Kuramoto model and network of Hindmarsh-Rose neurons. First, we consider Kuramoto model with complete (all-to-all) coupling, which is one of the simplest systems used to model neural network. For this model we construct an auxiliary linear system that preserves information on the natural frequencies and interconnection gains of the original Kuramoto model. Next, stability properties of this model are analyzed and we show that the solutions of the new linear system converge to a stable periodic limit cycle. Finally, we show that constrained to the limit cycle, dynamics of the linear system coincide with the original Kuramoto model. Second, a model for the network (population) with a better behavior, with respect to the Kuramoto model, from a biological point of view but more complex is considered. Particularly, we consider a network of diffusively coupled neurons where we use a Hindmarsh-Rose model to describe the dynamics of each individual neuron. Based on semi-passivity of individual Hindmarsh-Rose neurons, we analyse stability properties of a heterogeneous network of such neurons and show that network is practically synchronized for sufficient large values of interconnection gains. Moreover, we characterize the limiting synchronized behavior by using an averaging of all neuron dynamics.

Identiferoai:union.ndltd.org:theses.fr/2013PA112236
Date17 October 2013
CreatorsConteville, Laurie
ContributorsParis 11, Panteley, Elena
Source SetsDépôt national des thèses électroniques françaises
LanguageFrench
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text, Image, StillImage

Page generated in 0.0027 seconds